5.3.4 Következtetések

Nyitott hívások hagyja sok szakértő és nem szakértő javasol megoldásokat, ahol a megoldások könnyebb ellenőrizni, mint generál.

Mindhárom nyílt felhívás projektek, Netflix, Foldit, Peer-to-Patent-kutatók feltett kérdések egy sajátos formája, kért megoldásokat, majd felvette a legjobb megoldásokat. A kutatók nem is kell tudni, hogy a legjobb szakértő kérni, és néha a jó ötletek jöttek a váratlan helyeken.

Most is kiemelni két fontos különbség nyílt felhívás projektek és emberi számítás projektek. Először is, a nyílt felhívás projektek a kutató meghatározza a cél (pl előre film alapján), míg az emberi számítás során a kutatás meghatározza a mikro-feladat (pl minősítette galaxis). Másodszor, a nyílt felhívás a kutatók azt akarták, hogy a legjobb hozzájárulás-legjobb algoritmust előrejelzésére film alapján, a legalacsonyabb energiájú konfiguráció egy fehérje, vagy a legfontosabb darabja a technika állása-nem valamiféle egyszerű kombinációja az összes hozzájárulást.

Mivel az általános sablon nyitott hívások és e három példa milyen problémákkal a társadalmi kutatások alkalmasak lehetnek erre a megközelítés? Ezen a ponton azt kell ismernünk, hogy ott nem sok sikeres példa még (az oka annak, hogy leírom egy pillanat). A közvetlen analógok, elképzelhető, hogy a Peer-to-Szabadalmi stílus projekt által használt történeti kutató keresi a legkorábbi dokumentum beszélve egy adott személy vagy ötlet. Nyílt felhívást megközelítése ez a fajta probléma lehet különösen értékes, ha a vonatkozó dokumentumok nem gyűjtött egyetlen archív de széles körben elterjedt.

Általánosabban, számos kormány a problémákat, hogy lehet támadható nyílt felhívások, mert arról szól, jóslatok, hogy lehet használni, hogy irányítsák akció (Kleinberg et al. 2015) . Például, csak a Netflix akarta megjósolni alapján a filmek, a kormányok érdemes megjósolni eredmények, mint ami éttermek legvalószínűbb, hogy az egészségügyi kód megsértése megosztása céljából ellenőrzési erőforrások hatékonyabb felhasználása. Motiválja ez a fajta probléma, Glaeser et al. (2016) használt nyílt felhívást, hogy segítse a város Boston megjósolni étterem higiéniai és közegészségügyi megsértése adatai alapján Yelp véleménye és történelmi ellenőrzési adatait. Glaeser és kollégái úgy becsülik, hogy a prediktív modell, amely megnyerte a nyílt felhívás lenne termelékenységének javítására étterem ellenőrök mintegy 50% -kal. A vállalkozások is vannak problémák a hasonló felépítésű, mint előre az ügyfél-lemorzsolódás (Provost and Fawcett 2013) .

Végül amellett, hogy nyissa hívásokat érintő eredményeket, amelyek már megtörténtek, egy adott adathalmaz (pl előre egészségügyi kód megsértése adatok felhasználásával a korábbi egészségügyi kód megsértése), elképzelhető előrejelzésére eredményeket, amelyek még nem történt meg, hogy bárki a adatbázisba . Például a Fragile Families and Child Jóléti tanulmány nyomon mintegy 5000 gyermek születése óta 20 különböző amerikai városban (Reichman et al. 2001) . A kutatók gyűjtött adatokat ezek a gyerekek, a családok, és a tágabb környezet születéskor és korosztály 1., 3., 5., 9., és 15. Tekintettel az összes információt ezek a gyerekek, hogy milyen jól lehet a kutatók azt jósolják, eredmények, mint aki diplomás a főiskolán? Vagy kifejezett módon, hogy érdekesebb lenne, hogy sok kutató, mely adatokat és elméleteket lenne a leghatékonyabb előrejelzésében ezen eredmények? Mivel ezek egyike sem a gyerekek jelenleg öreg ahhoz, hogy menjen főiskolára, ez egy igazi előremutató predikció és sok különböző stratégiák, hogy a kutatók talán foglalkoztatnak. A kutató, aki úgy véli, hogy környékeken kritikus alakításában élet eredmények eltarthat egy megközelítés, míg a kutató, aki elsősorban a családok esetleg, hogy valami teljesen más. Az alábbiak közül melyik megközelítés jobban működik? Nem tudjuk, és a folyamat kideríteni mi lehet tanulni valamit, fontos a család miatt, városrészek, az oktatás, és a társadalmi egyenlőtlenség. Továbbá, ezek a jóslatok lehet használni, hogy a jövőbeni adatgyűjtés. Képzeljük el, hogy volt egy kis számú diplomás, amelyek nem voltak előre jelzett végzős bármelyik modell; ezek az emberek lennének ideális jelöltek nyomon követési kvalitatív interjúk és néprajzi megfigyelés. Így ez a fajta nyílt felhívás, az előrejelzések nem a vég; inkább azt, hogy egy új módon összehasonlítani, gazdagítják, és összekapcsolják különböző elméleti hagyományok. Ez a fajta nyílt felhívás nem jellemző adatainak felhasználásával Törékeny családok megjósolni, hogy ki fog menni a főiskolára; akkor lehetne használni megjósolni bármely eredménye, hogy végül gyűjteni a hosszanti irányú társadalmi adathalmaz.

Mint írtam korábban ebben a fejezetben, ott nem sok példát társadalomkutatók nyílt felhívások. Úgy gondolom, hogy ez azért van, mert a nyílt felhívás nem jól alkalmas arra, hogy az út, hogy a társadalomtudósok általában keretbe kérdéseiket. Visszatérve a Netflix, társadalomtudósok egyébként nem kérdezni előre ízeket, akkor kérdezd meg, hogyan és miért kulturális ízek különböznek az emberek a különböző társadalmi osztályok (Bourdieu 1987) . Az ilyen "hogyan" és "miért" kérdésre nem vezetnek könnyen ellenőrizhető megoldás, és ezért úgy tűnik, rosszul illeszkedő megnyitni a hívásokat. Úgy tűnik tehát, hogy a nyitott hívások alkalmasabbak kérdés jóslat mint kérdések magyarázata; További megkülönböztetéséről szóló előrejelzést és magyarázatot lásd Breiman (2001) . Újabb elméletek azonban felszólították társadalomtudósok, hogy vizsgálja felül a dichotómiáját magyarázat és predikció (Watts 2014) . Mivel a vonal közötti becslés és magyarázat foltok, elvárom, hogy a nyílt versenyek lesz egyre gyakoribb a társadalomtudományokban.